WWW.DISS.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА
(Авторефераты, диссертации, методички, учебные программы, монографии)

 

Pages:     | 1 |   ...   | 2 | 3 || 5 |

«Микони С. В. Общие диагностические базы знаний вычислительных систем, СПб.: СПИИРАН. 1992. 234 с. В монографии рассматриваются основные составляющие общего диагностического обеспечения ...»

-- [ Страница 4 ] --

Дерево поиска, соответствующее xT2, приведено на рис.7.3. Выделение модификаций в нем осуществляется по положительному исходу сравнения получаемых реакций с ожидаемыми на каждом воздействии тестовой последовательности.

Из сопоставления последовательностей xT1 и xT2 следует, что их длина зависит от выбора типа отношения доминирования (единиц или нулей в столбцах ТРН). С целью минимизации тестовой последовательности необходимо анализировать соотношение единиц и нулей в ТРН объекта.

Если единиц меньше, выбирается отношение доминирования единиц, а в противном случае – нулей. Учитывая это, для получения минимальной и максимальной оценок длины теста ПВМ, будем использовать предельные соотношения единиц и нулей объекта. Минимальное количество единиц содержится в булевой матрице A1 размерности N(N+1) следующего вида:

Она состоит из нулевого столбца, соответствующего исправной модификации M0, и единичной матрицы порядка NN, представляющей N неисправных модификаций.

Минимальное количество нулей содержится в булевой матрице A размерности N(N+1), включающей матрицу порядка NN с нулевой диагональю:

Рис.7.3. Дерево поиска с выделением модификаций по сравнению.

При доминировании единиц минимальная оценка длины теста LПВМ определяется по матрице A1. Поскольку в ней все столбцы диагональной матрицы не находятся между собой в отношении доминирования, для различения каждого из них от других достаточно одно воздействие.

Следовательно, LПВМ1,min=N.

Минимальная оценка LПВМ при доминировании нулей определяется по матрице A2 следующим образом. При выделении нулевого столбца необходимо и достаточно использовать любые два воздействия, отличающие его от всех других столбцов. Каждый из столбцов диагональной матрицы отличается от других одним воздействием. Таким образом, общее количество воздействий LПВМ0,min=2 + N – 1= N + 1.

Максимальная оценка LПВМ0 находится по матрице A2 с учетом того, что все её столбцы, кроме второго, находятся в отношении доминирования единиц. Для выделения каждого столбца, начиная с последнего, необходимо использовать все единицы, находящиеся под нулем. Они определяют необходимое количество воздействий, отличающих рассматриваемый столбец от последующих столбцов. Общее количество воздействий, различающих все столбцы, кроме второго, определяется количеством единиц в треугольной матрице, равным N(N – 1)/2.

Поскольку второй столбец различается с помощью одного последнего воздействия, общее число их равно:

Для нахождения максимальной оценки LПВМ0,max следует использовать матрицу A1. Все столбцы в ней, начиная с первого, находятся в отношении доминирования нулей. Учитывая то, что количество различающих воздействий для выделения каждого столбца определяется количеством нулей, находящихся под единицей, общее количество воздействий тестовой последовательности равно количеству нулей в нулевом столбце и треугольной матрице, входящей в A1. Отсюда Из сопоставления полученных нижних и верхних оценок следует большая длина теста ПВМ, реализующего доминирование нулей. Это объясняется вхождением в него теста контроля, отличающего исправную модификацию от всех остальных. Тестовая последовательность, реализующая доминирование единиц, решает задачу контроля в процессе поиска неисправных модификаций объекта – в случае отрицательного его исхода. Совмещение задач поиска и контроля и обеспечивает её меньшую длину.

Для комбинационных схем число строк ТРН ограничивается длиной тривиального теста L=2m. При этом оценки, полученные на основе матриц A1 и A2, справедливы для N=2m. При N2m LПВМ minN+1.

Оценим LПВМ для полной ТРН, состоящей из 2m строк и N+ столбцов. Вследствие того, что она содержит равные количества единиц и нулей, оценки LПВМ max и LПВМ min совпадают и равны числу единиц (нулей) в ТРН:

Обобщением этой оценки для ТРН с log2(N+1) строками и столбцами является:

В оценках (7.13) и (7.11) log2(N+1)/2 и N/2 определяют половину строк ТРН, используемых для различения модификаций.

Когда число строк ТРН, необходимых для различения модификаций, лежит между log2(N+1)/2 и N/2 и модификации выделяются по преобладающим в ТРН значениям, максимальная длина тестов может превышать половину общего числа нулей и единиц в ТРН. Поэтому в общем случае максимальная длина теста определяется неравенством:

Объём памяти, требуемый для реализации метода ПВМ, оценивается произведением объёма памяти, занимаемого элементарным тестом, на длину теста:

Количество сравнений при поиске методом ПВМ равно:

Таким образом, получены минимальные и максимальные оценки параметров L, V и n для всех методов поиска: ПРМ, КП и ПВМ.

7.2.3. Сопоставление методов ПВМ с методами ПРМ и КП.

Для сопоставления методов применяются коэффициенты a, b, g, имеющие при предпочтительности метода ПВМ значение, меньше 1:

Воспользовавшись полученными выше оценками, найдём минимальные и максимальные оценки коэффициентов a, b, g. Для этого применим следующие соотношения:

При этом где определяется выражением (7.7).

Пример. Сопоставим методы ПРМ, КП и ПВМ по параметрам L, V и n применительно к КС, реализующей функцию «сложение по mod 2»

(рис.7.4). ТРН схемы представлена в табл.7.3. Она является полной, так как включает все модификаций КС, одну исправную M0 и неисправных. Модификации M1-M10 порождаются одиночными неисправностями, M11-M14 – кратными неисправностями, а M соответствует инвертированию выхода КС.

Тест, реализующий метод ПРМ, включает все наборы a, b, c, d, причём их последовательность для данной ТРН безразлична. Следовательно, Тестовая последовательность, выделяющая модификации в таблице 7. в порядке убывания номеров, имеет вид: xТ= (a, b, c, d; b, c, d; a, c, d;

a, b, d; a, b, c; c, d; b, d; b, c; a, d; a, c; a, b; d; c; b; a).

Тестовая последовательность xТ включает 32 входных набора, что соответствует оценке вычисленной по формуле (7.12) для m=2.

Объём памяти, требуемый для реализации методов ПРМ и ПВМ, соответствует оценкам, определенным по формулам (7.5) и (7.15):

Количество сравнений, выполняемых при реализации методов ПРМ, ПВМ и КП, соответствует оценкам, вычисленным по формулам (7.8), (7.16) и (7.9): nПРМ min=30, nПВМ=32, nКП min=64.

Соотношение вычисленных показателей:

характеризует метод ПРМ как более предпочтительный для случая Другому крайнему случаю N=2m – диагональной матрице, включающей модификации M1, M2, M3, M4, M5, а также M0 соответствуют следующие оценки параметров:

LПРМ max=4, LПВМ min=4, VПРМ max=28, VПРМ min=12, nПРМ max=14, nПВМ max=4, nКП max=20.

При равных длинах тестов по параметрам V и n метод ПВМ имеет предпочтение перед методом ПРМ:

Полученные оценки показывают, что для диагностической модели комбинационной схемы, представляющей собой полную ТРН с максимально возможным количеством неисправностей, поиск с равномерным разбиением модификаций является более экономичным по сравнению с поиском путей выделения модификаций. Последний не имеет преимущество для ТРН с NNmax, столбцы в которых не находятся в отношении доминирования единиц (нулей). Таким образом, выбор более экономичного метода поиска должен предваряться вычислением параметров L, V и n.

Для полной ТРН (2mNmax) и ТРН, представляющей собой диагональную матрицу (N(N+1) при N=2m) оценки параметров L, V и n инварианты по отношению к функциям комбинационных схем.

7.3. Архитектура базы знаний процедурного типа.

Система, выполняющая функции порождения вариантов предметного знания, относится к классу баз знаний, поскольку она оперирует с интенсионалами понятий. Согласно [63] интенсионал «как правило, задаёт некоторую процедуру, позволяющую определять принадлежность того или иного конкретного факта к некоторому понятию. Он выделяет знания, отделяет их от данных, которые всегда задаются экстенсионально (перечислением)». База знаний этого типа отличается от баз знаний экспертных систем тем, что в ней объектом формализации является не опыт [120], а аксиомы предметной области, она продуцирует не заключения, а факты, выполняя роль не принятия решений, а подготовки для этой цели исходных данных.

По способу хранения вариантов знания эта база знаний может быть отнесена к процедурному типу [121], по виду процедурного знания может быть названа фактуальной, а по назначению – вариантной. В порождаемых ею цепочках признаки интенсионалов могут находиться в различных отношениях – родо-видовом, партитивном, собирательном и каузальном. В последнем случае базы знаний относится к продукционному типу, так как цепочки признаков совпадают с путями в дереве вывода заключений.

Обобщённая блок-схема БЗ процедурного типа изображена на рис.7.5.

Первый блок БЗ предназначен для формирований списка и значений параметров, определяющих режим порождения цепочек признаков. В нём также задаются изменяемые требования к свойствам признаков и цепочек в отличие от постоянных требований, фиксируемых в системе. Это позволяет считать рассматриваемую базу знаний адаптивной по отношению к условиям её применения [98].

Генератор признаков БЗ выполняет выбор незапрещённых признаков из списков и включает их в синтезируемую цепочку, обеспечивая последовательный перебор всех списков, и на этой основе порождение Рис. 7.5. Блок-схема базы знаний процедурного типа.

всевозможных цепочек признаков. Включение признака в цепочку выполняется с использованием синтаксических правил формальной системы – модели генератора признаков. Если списки признаков не задаются извне, они формируются специальным блоком системы или вводятся пользователем в процессе порождения цепочек.

Каждый вновь выбранный признак анализируется на удовлетворение заданному требованию к определенному свойству или группе свойств.

При отрицательном результате анализа признак фильтруется, т.е. не включается в синтезируемую цепочку, и заносится в список запрещённых признаков.

После индивидуального анализа признак оценивается в составе цепочки признаков. Если целевое свойство цепочки при его включении не улучшается, то он, как неинформативный, исключается из цепочки (фильтруется) и также заносится в список запрещённых признаков.

Каждая цепочка синтезируется до тех пор, пока она не удовлетворит заданному целевому свойству – назначению варианта. Семантически правильная цепочка, удовлетворяющая назначению, рассматривается как допустимый вариант. Он визуально отображается в процессе или по окончанию его синтеза, либо в составе группы допустимых вариантов после завершения их порождения. В этом случае база знаний выполняет роль информационно-справочной системы.

В том случае, когда к варианту предъявляются некоторые специальные требования, генерируемые варианты подвергаются селекции в процессе их порождения, либо после неё. При этом отсеиваются все варианты, не удовлетворяющие этим требованиям. Оставшиеся варианты характеризуются выбранными показателями. Если ни один из вариантов не отвечает предъявленным требованиям, последние ослабляются. В этом качестве база знаний выполняет роль информационно-советующей системы. Из оставшихся вариантов пользователь выбирает наиболее подходящий на основе неформальных предпочтений.

Как следует из изложенного, получение допустимого варианта представляет собой многоступенчатый процесс. Он управляется предъявляемыми к вариантам требованиями в широком диапазоне – от отнесения к допустимым всех генерируемых вариантов до их полной недопустимости.

Архитектурно база знаний процедурного типа представляет собой совокупность следующих подсистем (рис. 7.6):

· генерации и анализа вариантов;

· селекции вариантов;

· отображения и просмотра вариантов;

· настройки режимов.

Подсистема генерации и анализа вариантов разделяется на две соответствующие подсистемы. Из всех подсистем наибольшей независимостью от назначения базы знаний обладают подсистемы генерации и селекции вариантов. Они адаптируются к различным знаниям путем означивания соответствующих переменных. Остальные подсистемы имеют большую специализацию и разрабатываются для каждого типа знаний.

Подсистема отображения и просмотра вариантов представляет варианты в адекватной их содержанию форме – табличной, аналитической (символьной), графической (графы, блок-схемы, диаграммы, циклограммы и т.д.), а также текстами на естественном языке.

Варианты могут сохраняться временно в оперативной памяти ЭВМ на время их селекции и просмотра, а также постоянно – в соответствующих файлах.

Помимо целевой информации, отображающей варианты знания, в системе используется управляющая и справочная информация. Первая служит для настройки режимов функционирования системы, а вторая – для информирования пользователя о режимах порождения вариантов – штатных и нештатных.

7.4. Диагностическая база знаний общего назначения.

Она схватывает системы понятий, диагностических моделей и методов диагностирования.

7.4.1. Система понятий Она порождается базой знаний процедурного типа следующим образом. В качестве начального признака поочередно принимаются родовые понятия системы: техническое диагностирование, дефект, диагностическая информация, диагностируемость, тест и др.

Рис. 7.6. Архитектура базы знаний процедурного типа.

Порождение видовых понятий Таблица 7.

Д ДК ДКС ДКСТ Д К С Т ВН

Д К С Т ВШ

ДКСР Д К С Р ВН

Д К С Р ВШ

Д К ДН Д К ДН Т Д К ДН Т ВН

Д К ДН Т ВШ

Д К ДН Р Д К ДН Р ВН

Д К ДН Р ВШ

ДП ДПС ДПСТ Д П С Т ВН

Д П С Т ВШ

ДПСР Д П С Р ВН

Д П С Р ВШ

Д П ДН Д П ДН Т Д П ДН Т ВН

Д П ДН Т ВШ

Д П ДН Р Д П ДН Р ВН

Д П ДН Р ВШ

В качестве последующих признаков принимаются видовые отличия, сгруппированные относительно оснований деления – мета признаков понятий. Группа признаков, соответствующая i-му основанию деления, образует i-й список признаков БЗ.

Если основания делания независимы – для случая фасетной (параллельной) классификации, списки признаков распределяются относительно ярусов дерева порождения вариантов случайным образом. В противном случае над ними устанавливается отношение порядка. Порядок над списками является линейным, если каждому ярусу дерева сопоставляется один список признаков, или частичным, если – более одного. Линейный порядок может иметь место и для фасетной классификации, если списки видовых отличий сгруппированы по важности для пользователя. Пример порождения видовых понятий фасетной классификации относительно родового понятия диагностирование (Д) приведен в таблице 7.4.

Порядок оснований деления выбран произвольный. Соответствующие им списки видовых отличий содержат по два противопоставляемых друг другу признака. Ни один из них не относится к запрещённым понятиям. В примере дерево порождения вариантов имеет четыре яруса. Максимальное число его конечных вершин равно 16-ти. Для компактности в таблице применены следующие аббревиатуры (сокращения) видовых отличий:

К – контроль, П – поиск, С – статическое, Д – динамическое, Т – тестовое, Р – рабочее, ВН – внутреннее, ВШ – внешнее.

Каждый ярус дерева порождения понятий наращивается очередными видовыми отличиями, помещёнными в верхней строке таблицы. Понятия, подлежащие употреблению и содержащие более двух слов, обычно обозначаются специальными терминами. Принятые обозначения понятий сводятся в словари терминов и сокращений, открытые для новых обозначений. Например, понятие Д П – (диагностирование-поиск) обычно называют одним из этих признаков, т.е. диагностированием или поиском, а Д К – контролем технического состояния. Совокупность признаков Д К Ф называют функциональным контролем, а Д К Р В Н (диагностирование, контроль, рабочее, внутреннее) называют контролем функционирования и т.д.

Аналогичным образом порождаются межвидовые и собирательные понятия. В этом случае ярусам дерева ставятся в соответствие видовые понятия из различных фасет – для порождения межвидовых понятий и из одной фасеты – для порождения собирательных понятий. Комбинируя списки понятий для ярусов дерева порождения вариантов, можно получать сетевые классификация предметной области.

Для установления отношений между известными понятиями база знаний дополняется подсистемой, реализующей соответствующий алгоритм, приведенный во второй главе. Существенные признаки понятий, используемые для установления отношений, извлекаются из их определений с использованием формального языка определения понятий.

Анализ различных сочетаний признаков, порождаемых базой знаний, позволяет порождать на концептуальном уровне новые методы и средства диагностирования и сопоставлять совокупностям признаков известные понятия.

7.4.2. Система диагностических моделей Эта система, представленная в главе 4, порождается аналогично системе понятий. В качестве начального признака принимается некоторое основное свойство объекта диагностирования, например функция. В качестве последующих признаков принимаются другие аспекты, подлежащие сравнению в диагностической модели ВС, начиная с общих и кончая частными признаками. Например, управление ЭВМ может реализовываться схемными, микропрограммными и программными средствами. Соответствующему ярусу дерева ставится в соответствие список этих признаков. Таким же образом, детализируются любые другие характеристики ЭВМ – архитектурные, функциональные, структурные, электрические, конструктивные и др.

Как следует из изложенного, основную рожь в порождении моделей играет формирование и упорядочение признаков, характеризующих вычислительные системы. Поэтому база знаний должна включать базу характеристик ВС. Входящие в неё признаки группируются в кластеры, внутри которых они упорядочиваются в отношении «общее-частное». При анализе конкретной ВС из базы характеристик выбираются подлежащие рассмотрению группы признаков и упорядочиваются относительно ярусов дерева порождения моделей.

Помимо признаков, характеризующих ВС, база данных содержит мета признаки, характеризующие сами модели, такие как однородность (гомогенные, гетерогенные модели), соответствие задаче (адаптированные, неадаптированные модели), форма представления (аналитическая, графовая, табличная) и др. Они также образуют списки сканируемых генератором признаков.

Сопоставление порождаемых моделей с известными обеспечивается с помощью базы стандартных моделей. Она содержит интерпретации совокупностей отражаемых моделями признаков ВС. Например, СФмодель вентильного уровня, адаптированная к активизации путей, имеет аналитическую интерпретацию «эквивалентная нормальная форма»

булевой функции. Совокупность признаков моделей может иметь более одной интерпретации, а может не иметь ни одной. Последнее означает, что порожденная модель ранее не рассматривалась.

Для диагностических моделей существенными являются включаемые в них модели неисправностей. Списки последних составляются относительно отражаемых моделью аспектов ВС. Например, для СФ-модели вентильного уровня список неисправностей включает следующие их виды: константную, замыкание статическое (короткое замыкание) и динамическое (взаимовлияние), а для Ф-модели дешифратора – не выбор ни одного из выходов, выбор другого выхода, выбор наряду с назначенным другого выхода и т.д. Эти списки составляются на основе анализа искажений моделируемых свойств ВС.

Для отображения свойств ВС и их искажений в базе знаний используются естественный и математический языки. Соответствие между ними устанавливается словарем обозначений.

Генерируемые модели находятся между собой в родовидовом, либо партитивном отношении, образуя решетки моделей (см. главу 4). На основе содержательной модели могут строиться также модели конкретных объектов путём построения отношений над её признаками.

База знаний диагностических моделей позволяет рассматривать различные варианты совокупностей различных моделируемых свойств ВС и их искажений, устанавливать связи между ними, оценивать существующие модели и предлагать новые.

7.4.3. Система методов диагностирования Эта система, рассмотренная в главе 5, может быть построена формально с помощью базы знаний переборного типа. В качестве начального признака базового метода принимается ядро функционального базиса, а в качестве последующих признаков – входящие в него остальные функции. Функции упорядочиваются по спискам в соответствии с ограничениями на порядок их следования. На основе этих списков и порождаются различные методы диагностирования и построения тестов.

Функции и ограничения размещаются в базе данных, откуда они извлекаются для порождения различных вариантов методов.

Так же, как и для моделей, база знаний методов включает базу стандартных методов. Она позволяет порождаемым совокупностям признаков сопоставлять известные методы диагностирования и построения тестов.

База знаний, порождающая базисные методы, вместе с подсистемой анализа методов реализует назначение информационно-советующей системы. Сопоставительная оценка методов на примере разбиения множества модификаций ОД рассмотрена в разделе 7.2. Реализующая её подсистема анализа является внешней по отношению к базе знаний переборного типа, поскольку она не фильтрует признаки в процессе порождения цепочек. Внутренняя система анализа признаков и вариантов рассматривается в следующей главе.

Наиболее адекватной формой отображения методов являются блоксхемы. Эту функцию реализует подсистема отображения методов.

Рассмотренные базы знаний охватывают концептуальный уровень диагностического обеспечения вычислительных систем и предназначаются для ранних этапов его разработки – формирования технического задания, разработки эскизного проекта и подготовки соответствующей документации.

Помимо порождения базисных методов база знаний процедурного типа может порождать параметрические методы с ограниченным числом признаков такие, например, как методы генерации тестов для ЗУ [122], методы диагностирования на сетевом уровне ВС. Система порождения последних подробно рассматривается в следующей главе.

Глава 8. БАЗА ЗНАНИЙ «МЕТОДЫ ДИАГНОСТИРОВАНИЯ

ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ».

8.1. Метод диагностирования вычислительной сети.

Под методом диагностирования вычислительной сети будем понимать совокупность операций вычисления, пересылки и сопоставления результатов решения задачи (или её фрагмента) в вычислительной сети с целью рабочего диагностирования её вычислительных модулей (ВМ) [92].

В процессе вычислений ВМ может находиться в трех состояниях:

исправном G (Good), сбоя M (Malfunction) и отказа F (Failure).

Неизвестное состояние ВМ помечается знаком «?». Для постановки диагноза ВМ будем использовать оценки результатов вычислений (РВ) на ВМ: правильный t (true), ложный f (false), «сбойный» m (malfunction).

В случае отказа с различающимися РВ состояние ВМ помечается символом D (Dynamic), а соответствующие ему оценки РВ – d и e (при контроле повтором). Этот случай будем рассматривать как дополнительный по отношению к отказу с постоянными РВ.

Сформулируем вербально аксиомы диагностирования ВМ.

1. В течение интервала времени решения задачи (вычисления оператора) и диагностирования ВМ в задействованных для этих целей вычислительных модулях может произойти только один отказ, либо сбой.

2. Отказ ВМ проявляется двумя или более следующими подряд неверными результатами вычислений.

3. Состояние ВМ оценивается по большинству одинаковых РВ.

4. ВМ не обладает свойством самовосстановления (после двух или более неверных РВ не может быть получен правильный РВ).

5. Оценку собственного состояния и состояний вспомогательных ВМ выполняет ВМ, формирующий результат вычисления.

Выводимыми на основе перечисленных аксиом являются следующие утверждения.

Утверждение 8.1. Для обнаружения сбоя необходимо и достаточно выполнить одно сравнение результатов, вычисленных на одном ВМ.

Утверждение 8.2. Для обнаружения отказа необходимо и достаточно выполнить одно сравнение результатов, вычисленных на разных ВМ.

Утверждение 8.3. Для диагностирования сбоев и отказа основного и дублирующего ВМ необходимо выполнить не менее четырёх сравнений РВ.

Докажем это утверждение. Пусть неисправен один из ВМ. Согласно утверждению 8.2 для обнаружения отказа нужно сравнить его РВ и РВ другого ВМ. Но не сравнение этих РВ не позволяет указать, чей РВ неверен. Для этого согласно аксиоме 3 необходимо привлечь для арбитра РВ третий ВМ. РВ, не сравнивающийся с двумя другими, согласно аксиоме 1 считается неверным. Но при этом по одному РВ невозможно определить состояние ВМ с неверным РВ – отказ или сбой ВМ. Для различения отказа от сбоя согласно утверждению 8.1 требуется повторить вычисление на ВМ с неверным РВ. Таким образом, для диагностирования состояния отказа или сбоя ВМ необходимо вычислить три РВ на трёх разных ВМ и повторить вычисление на двух из них, выполнив не менее четырёх сравнений РВ, что и требовалось доказать.

Для диагностирования отказов с разными РВ необходимо дополнительно выполнить ещё два сравнения – для каждой тройки РВ, используемой для диагностирования основного и дублирующего ВМ (всего 6 сравнений).

Результаты вычислений делятся на оцениваемые (ОРВ) и базы сравнения (БС). Состояние ВМ оценивается по исходу сравнения ОРВ и БС. Исход сравнения согласно утверждениям 8.1 и 8.2 различен для случаев повтора и дублирования вычислений.

Выразим аналитически условия реализации изложенных способов.

Обозначим через yij результат вычисления (ОРВ), выполненного на i-м модуле в j-й раз, а через ykl – базу сравнения, вычисленную на k-м модуле в l-й раз.

Условием обнаружения сбоя ВМ является несовпадение результатов двух вычислений на одном (положим первом) модуле: y11 y12.

Условием обнаружения отказа ВМ является несовпадение результатов, вычисленных на разных модулях, и совпадение результатов двух вычислений на одном модуле: (y11 y21) & ( y11 y12).

Условием различения отказа от сбоя является несовпадение результатов, вычисленных на разных модулях, совпадение результатов двух вычислений на одном модуле и несовпадение результатов вторых вычислений на разных модулях:

Условием нахождения (диагностики) модуля отказавшего или предотказного (выдающего сбои), является несовпадение результатов основного и контрольного модулей и несовпадение (совпадение) результатов основного и арбитражного модулей:

Условием нахождения (диагностики) отказавшего модуля, и различения его от предотказного (выдающего сбои), является несовпадение результатов основного и контрольного модулей, несовпадение (совпадение) результатов основного и арбитражного модулей и несовпадение (совпадение) повторно вычисленных результатов с предыдущими:

Представим все возможные варианты пар ОРВ-БС оцененных РВ, в табличном виде, сведя их в матрицы равенства R= и неравенства R при повторе и D= и D – при дублировании. В матрицах R= и R всевозможные пары оценок «основной РВ-повторной РВ» приведены построчно:

ОРВ БС ОРВ БС

Из 32=9 возможных пар в матрицы включены только 5 пар. Четыре пары – (m, m), (m, f), (f, m), (f, t) являются недопустимыми: три – на основании аксиомы 1 (единственности отказа или сбоя), а четвертая – на основании аксиомы 4 (невозможности самовосстановления ВМ).

Матрицы D= и D, включающие варианты сравнений и не сравнений РВ при дублировании, представляют собой следующие совокупности столбцов, состоящих из пар РВ:

Матрица D= включает единственный столбец, так как пара (f, f) является недопустимой согласно аксиоме 1. В то же время, допустимой в матрице D по сравнению с матрицей R является пара (f, t) поскольку РВ вычисляется разными (а не одним) ВМ.

При учёте отказа с разными РВ матрица R= дополняется парами (f, d) и (d, e), а матрица D – парами (f, d) и (d, f).

Матрицы R=, R и D=, D представляют собой области определения предикатов не сравнения PR(yij, ykl) и PD(yij, ykl). Последние принимают значение истина на множестве пар из R и D и ложь – на множестве пар из R= и D=.

Задаче метода диагностирования вычислительной сети – постановке диагноза ВМ по результатам сравнения их РВ, соответствует нахождение оценок всех РВ, привлекаемых для постановки диагноза. Поскольку согласно утверждению 8.3. максимальное их число равно пяти, для постановки диагноза основного и дублирующего ВМ необходимо знать значения трёх двухместных предикатов ( ]log2 5[ = 3). Таким образом, процедуру диагностирования можно представить трёх-ярусным дихотомическим деревом. В нём переход от верхнего яруса к нижнему осуществляется с помощью обратного отображения предиката не сравнения. Последнее однозначно только для случая PD–1(t)=(t,t), поскольку матрица D= содержит всего один столбец. Это означает, что диагноз исправности при дублировании вычислений устанавливается сразу же по положительному исходу сравнения параллельно полученных результатов. Распознавание других состояний требует большего числа сравнений.

Дерево диагностирования ВМ строится в следующей последовательности [92]:

1. В корневой вершине дерева помещается базовый результат y00.

2. Выполняется ветвление вершины дерева относительно пары сравниваемых переменных. Одна из ветвей помечается знаком =, соответствующим значению P(yij, ykl)=л (ложь), а противоположная ей 3. Значениям предикатов PR и PD сопоставляются подмножества пар из вышеприведенных матриц, которые используются для формирования кортежей состояний ВМ для данного ветвления.

4. Если ветвлению соответствует всего один кортеж, ему ставится в соответствие диагноз одного из ВМ.

5. Если ветвлению соответствует более, чем один кортеж, то разбиение подмножества кортежей выполняется с помощью последующих сравнений.

Пример построения дерева диагностирования приведен на рис. 8.1.

Против каждого кортежа значений сравниваемых РВ в скобках помещен диагноз состояний ВМ. Он сопровождается вопросительным знаком при числе кортежей более одного.

Структурно m-й метод диагностирования описывается ориентированным графом Gm=(Ym, Rm). Вершина yvY интерпретируется как результат вычисления одного или группы операторов (программы) на одном из ВМ, участвующих в диагностировании. Все множество вершин Y упорядочено на плоскости относительно вертикальной и горизонтальной осей. Вершина y00 представляет собой базовый РВ, подлежащий оценке. Остальные вершины графа играют по отношению к ней роль баз сравнения [8], хотя и сами могут использоваться в качестве ОРВ. Их номера по вертикали v = 1, n в - 1 и по горизонтали h = 1, n г - 1 характеризуют соответственно модульные и временные ресурсы, привлекаемые для диагностирования ВМ. Таким образом, процесс диагностирования осуществляется над полем результатов вычислений (РВ) размерностью nгnв.

Исходный граф G=(Y, R) является нуль-графом: RYY=. Его множество дуг находится в процессе синтеза m-го метода, m = 1, N.

Множество дуг графа Gm соответствует операторам сравнения ОРВ и ВС. Дуга (yij, ykl), соединяющая вершины yij и ykl графа, интерпретируется сравнением ОРВ и ВС. Граф сравнений позволяет компактно описать метод диагностирования сети. На рис. 8.2. приведен пример такого описания для метода, изображенного на рис 8.1. Назовем граф сравнений схемой метода диагностирования сети (СМД).

На рисунке 8.2 дуги графа изображены двойными линиями – символами сравнения. Цифра, помечающая дугу, означает очерёдность Рис. 8.1. Дерево диагностирования методом сравнения РВ.

сравнения, а буква – его цель (к – контроль, а – арбитраж, д – диагностика). Заметим, что в строгом смысле все сравнения относятся к процедуре диагностирования, ибо диагноз состояний ВМ может устанавливаться даже по результату первого сравнения (положительный исход контроля дублированием означает исправность обоих ВМ).

Рис. 8.2. Схема метода диагностирования сети.

Наличие на сетевом уровне ВС общих средств для реализации процедур обнаружения и различения сбоев и отказов, диагностики отказавшего модуля и формирования правильного результата, позволяет синтезировать методы, обладающие различной совокупностью соответствующих свойств [123].

Принцип восстановления результата при использовании методов диагностирования сети для обеспечения отказоустойчивости ВС основан на выявлении большинства одинаковых результатов, принимаемых за истинные. Это соответствует принципу восстановления «вперед» (forward error recovery). Способу восстановления «назад» (backward error recovery) соответствует возврат к началу вычисления в случае отрицательного исхода контроля.

8.2. Нахождение разрешённых операций.

Исходя из вышеизложенного, в перечень операций метода диагностирования сети входят:

· сравнение результата вычисления (РВ) задачи или её фрагмента с повторным РВ;

· сравнение РВ, полученного на одном вычислительном модуле (ВМ) с дублирующим РВ, полученном на другом ВМ.

Таким образом, признаки цепочки cl =C0, C1,…,CL, представляющей метод диагностирования сети, интерпретируется парами ОРВ-БС, в которых БС выполняют роль повторных или дублирующих РВ.

Начальный признак C0 интерпретируется основным РВ, подлежащим оценке.

Количество операций определяется требуемой глубиной диагностирования. В том случае, когда количество операций недостаточно для диагностирования всех участвующих в этом процессе ВМ (при ограничении числа сравнений sL, сетевое диагностирование дополняется тестовым. С этой целью применяется запрос на тестирование ВМ, состояние которого неизвестно. При отсутствии средств рабочего диагностирования для контроля и различения отказов и сбоев применяется периодическое тестирование ВМ. Одна из этих операций завершает цепочку сравнений с фиксированной длиной sL:

Синтаксические правила формальной системы из всех возможных пар ОРВ-БС должны выделять разрешённые или правильные.

Правильной считается s-я пара РВ (ysij, yskl), удовлетворяющая условиям:

1) одного конечного результата: s=0, i=0, j=0;

2) несовпадения координат ОРВ и БС: ik; jl;

3) предшествования ОРВ базе сравнения ik или jl;

4) смежности ОРВ ( 5) новизны БС ( 6) отсутствия перескоков через модуль или повтор:

Каждая новая пара РВ проверяется на обладание перечисленными свойствами из множества P. Если она не обладает каким – либо из этих свойств, то не включается в цепочку операций, а входящая в неё БС ykl маскируется с целью запрета на дальнейшее применение.

Операция «запрос на тестирование» является разрешённой в том случае, когда состояние ВМ не распознано по результатам сетевого диагностирования.

Операция «периодическое тестирование» используется в том случае, когда метод диагностирует только сбои ВМ.

Поиск разрешённых операций сводится к решению задачи построения множеств s-достижимых вершин [124]. (s соответствует рангу r цепочки признаков).

Вершина ykl, достижимая из y00 sk шагов через вершину yij, характеризуется sп-достижимостью yij из y00 sk–sп-достижимостью ykl из yij [92].

Примеры sk–sп-достижимых из y11 вершин приведены на рис 8.3 (sk–sп=1, sп=2, sk=3) и на рис.8.4 (sk–sп=2, sп=2, sk=4). Им соответствуют множества Y(3)={y12, y20, y01} и Y(4)={y13, y21, y02}.

Из рис.8.3. и 8.4. следует, что sk–sп-достижимые из yij, i0, j0, вершины в графе данного вида находятся справа и внизу от yij (y01, y02).

Очевидно, что движение от yij направо ограничивается числом nг вершин в горизонтальном ряду, а наверх и вниз – диапазоном от 0 до nв. Кроме того, движение оказывается возможным при sk–sп1.

На основе изложенного сформулируем следующие утверждения.

Утверждение 8.4. Координаты sk–sп-достижимой из yij вершины ykl при движении вправо находятся из выражений:

l := j+sk–sп при условии, что j+sk–sп nг.

Утверждение 8.5. Координаты sk–sп-достижимых из yij вершин ykl при движении вниз и влево находятся из выражений:

k := i + d при условии, что i + d nв и sk–sп – d 0;

l := sk–sп– d при условии, что (j+sk–sп)/nг 1.

Рис.8.3. 2-3 - достижимые вершины из y00 через y Рис.8.4. 2-4 - достижимые вершины из через Количество вершин ykl, k = i,…,i + d, при движении вниз (d=1, 2, …) ограничивается условием i + d nв. Другим ограничением является sk–sп – d 0, обуславливаемое уменьшением вследствие сдвига влево на 1 при каждом приращении d. Выход за предел nг при j+sk–sп nг ограничивается условием (j+sk–sп)/nг 1.

Утверждение 8.6. Координаты sk–sп-достижимых из yij вершин ykl (d=1,2,…) при движении вверх и вправо находятся из выражений:

l := sk – sп при условии, что j + sk – sп nг.

Справедливость приведённых утверждений достаточно очевидна и легко проверяется на примерах, приведенных на рис.8.3 и 8.4. На этих утверждениях основан следующий алгоритм построения множеств sдостижимых вершин:

1. Устанавливаются начальные данные: вершина y00 и sk=1.

2. Пока s sk и не назначены в качестве промежуточных вершин все движении по графу вправо, вниз-влево, вверх-вправо;

5. Конец.

Оценим множества s-достижимых вершин.

Утверждение 8.7. sk-достижимость из y00 вершины ykl Y(sk) равна k+l.

Справедливость утверждения следует из способа нумерации вершин графа ОВ и добавления по единицы к индексам вершины y00 при движении от неё вправо и вниз на каждом шаге процедуры.

Следствие. Максимальная достижимость в графе с nг вершинами по горизонтали и nв – по вертикали равна nг + nг – 2.

Наиболее удалённой от y00 является вершина ynг–1,nв–1. Согласно утверждению 8.7 s(ynг–1,nв–1, y00)=(nг–1)+(nв–1)=nг + nг – 2, что и требовалось доказать.

Приведём оценки мощностей множеств s-достижимых вершин.

Утверждение 8.8. Мощность множества вершин Y(sk, yij(sп)) skдостижимых из y00 через sп-достижимую вершину yij максимальна при sk – sп nв–1–i, sk – sп nг–1–j и равна n = nв = nг.

Поскольку величина Y(sk, yij(sп)) определяется суммой дуг, проходимых при движении по графу вниз-влево и вверх-вправо, она становится максимальной в тех случаях, когда это движение не ограничивается размерами графа. Это имеет место при заданных в утверждении 8.8 условиях. Первое условие характеризует возможность достижения из yij последнего nв–1-го ряда при движении по графу вниз – влево, для чего требуется sk – sп дуг. Второе условие характеризует возможность достижения из yij начального 0-го ряда при движении по графу вверх-вправо. Условие nв = nг = n делает движение вниз-влево и вверх-вправо взаимно дополнительными относительно координат i и j вершины yij. При выполнении первого условия утверждения 8. оказывается возможным движение вниз на nв–1–i шагов, а при выполнении второго условия – вверх на l шагов и вправо на 1 шаг.

Суммируя, получаем максимальное количество шагов n, что и требовалось доказать.

Утверждение 8.9. Мощность множества вершин Y(sk) sk-достижимых из y00 при условии nв = nг = n равна:

При sk n – 1 количество элементов множества Y(sk) возрастает на единицу при каждом увеличении шага достижимости sk на единицу вплоть до максимума n при sk = n – 1 (sп =1, i=0, j=0), что следует из утверждения 8.8. При sk n – 1 количество элементов множества Y(sk) уменьшается на единицу в силу ограничений со стороны размерности матрицы n n. Это утверждение легко доказывается по матрице вершин Y Y.

Множествам sk-достижимости, s k = 0, s, в ней соответствует совокупность диагоналей, перпендикулярных направлению от начальной вершины y00 к граничной ynг–1,nв–1. При этой главной диагонали соответствует множество вершин Y(sk), sk = n – 1 максимальной мощности n (см. рис.8.3 и 8.4).

Утверждение 8.10. Мощность множества всех вершин, sk-достижимых из y00, s k = 0, s, при условии nв = nг = n равна:

Это утверждение доказывается на основе предыдущего.

Аналитическое доказательство заключается в выводе из предыдущих формул следующего тождества:

Другое доказательство этой оценки основывается на анализе способа построения sk-достижимых из y00 множеств вершин, s k = 0, s,. Исходя из U Y(s ) входят все вершины матрицы Y Y, начиная с начальной него в y00 и кончая граничной ynг–1,nв–1, причём ни одна из них не повторяется ни достижимые из y00 вершины находятся только при движении от неё вправо и вниз и поэтому не повторяются на каждом новом sk-м шаге. Повторение осуществляется только при движении вверх-вправо, которое имеет место при формировании множеств вершин, sk-достижимых из промежуточных вершин yij, i=0, j=0. Таким образом, общее количество sk-достижимых вершин, включая исходную вершину y00, sk=0, равно размерности матрицы вершин n2, что и требовалось доказать.

Утверждение 8.11. Множество sk-достижимых из y00 через промежуточную вершину yij Y(sп) вершин, i0, j0, sп0, имеет верхнюю границу 2n2 – 5n + 1.

Доказательство этого утверждения проведём для наихудшего случая.

максимальное количество подмножеств Y(sk), s k = 2, s, а именно, s–2. Для них подмножество промежуточных вершин Y(1)={y01, y10}. Из них через y10 возможно достижение граничной вершины ynг–1,nв–1 за s шагов.

Следовательно, для неё мощность подмножества Y(y10, s)=1.

Максимальная мощность остальных подмножеств согласно утверждению 8.8 равна n. Таким образом, максимальная мощность всего множества равна n(s – 3) + 1. После подстановки вместо s её максимальной величины 2n – 2 из следствия утверждения 8.7, получаем искомое выражение 2n2 – 5n + 1. Эта оценка является точной для случая n=3, поскольку максимальная мощность множества Y(sk), равная трём, достигается уже при sk=2. При n3 мощность множества Y(2) меньше n, в силу того, что вершины последнего ряда оказываются недостижимыми из Y(1) Полученные оценки используются при назначении диапазонов переменных в программе нахождения множеств sk-достижимых вершин.

Результаты расчётов для случая nв = nг = n = 4 приведены в табл.8.1. В её клетках вершины помечены только индексами (опущены символы y).

Верхняя строка индексов вершин соответствует множеству sk-достижимых из y00 вершин этого множества, представляет собой множество sk-достижимых из y через yij вершин 8.1 нисходящими ступенями вершин. Размерность таблицы согласуется с оценками, полученными выше.

Таблица 8.1 используется в качестве исходной информации для генерации всех графов, характеризующих методы диагностирования сети.

Задача заключается в нахождении на sk-м шаге построения графа Gm(sk) концов дуг, исходящих из вершин графа Gm(sk–1), полученного на предыдущем шаге, s k = 1, s. Шаг процедуры построения графа Gm(sk) соответствует sk-достижимости из y00 вершин, претендующих на роль конца очередной дуги.

Обозначим множество вершин Y(Gm(sk–1)), графа Gm(sk–1) через V(sk–1). Для каждой вершины yijV(sk–1), i0, j0, существует ранее Для нахождения концов дуг на sk-ом шаге используется его часть, оканчивающаяся подмножеством Y(sk). Множество концов дуг F(s) находится на основании следующего утверждения.

Утверждение 8.12. Концы дуг, характеризующих варианты sk-го сравнения и имеющих начало в вершинах V(sk–1) графа Gm(sk–1), содержатся в множестве F(s), вычисляемом по формуле:

Доказательство основано на том условии, что в качестве базы сравнения на s-ом шаге могут использоваться любые варианты, входящие в множества W(yij, sk), yijV(sk–1), s = 0, s k, при условии, что они 1достижимы из вершин yijV(sk–1). Этому условию отвечают множества W(yij, sk) содержащие только по одному подмножеству Y(sk). Наличие Y(sk) среди членов рассматриваемого выражения и обеспечивает 1достижимость вершин по отношению к последней вершине графа Gm(sk– 1), полученной на последнем шаге его генерации.

На утверждения 8.12 базируется алгоритм генерации вариантов сравнения.

1. Для s k = 0, s выполняется: G(sk):=, V(sk):=, F(sk):=;

4. F(sk):= W(yij, sk);

5. Выбор y00 из F(sk);

Gm(sk):= G(sk) (y00, y01);

8. V(sk):= Y(Gm(sk));

10. Если выбраны все yij из V(sk), то идти к 14, иначе Если выбраны все ykl из F(sk), то идти к 14, иначе 11. sk:= sk +1;

12. V(sk):= Y(Gm(sk));

Пока не выбраны все ykl F(sk) выполнять Gm(sk):= Gm(sk) (yij, ykl);

14. sk:= sk +1;

Выбор y10F(sk), идти к 6, иначе конец.

На первом этапе алгоритма строится начальная дуга (y00, y01) графа Gm(s), s=1, (п. п. 26). Затем находятся остальные дуги за исключением последней (sk=s). На основе графа Gm(sk–1) строится семейство графов {Gm(s)} путём перебора всех концов дуг на последнем шаге. После этого осуществляется возврат на предыдущий уровень, выбор новой дуги (если не все варианты использованы) и снова переход на высший уровень с формированием множеств начал V(sk) и концов F(sk) дуг. Если использованы все варианты дуг, то осуществляется переход на предыдущий уровень. Если sk=1 вся процедура повторяется для дуги (y00, y10).

Утверждение 8.13. Верхняя граница M числа частичных графов сравнений, включающих s дуг и генерируемых на основе полного графа размерностью nn равна M=(s+1)! (n–1) s–1.

Выражение имеет вид произведения, поскольку задача генерации вариантов носит переборный характер. Она обосновывается следующим образом. На s-м шаге процедуры граф Gm(s) состоит из s дуг и s+1 вершин.

Для каждой вершины находится множество F(s). Исходя из утверждения 8.12, F(s) W(sk). А согласно утверждению 8.8 W(sk)n. Полагая, что множества W(yij, sk) и W(yrt, sk) для вершин yij, yrtV(sk–1) различаются хотя бы на один элемент, принимаем максимальное количество концов дуг maxF(s)=n–1. При s=1 для одной начальной вершины y00 имеется всего два конца дуг – y01 и y10. При s1 s+1-й вершине соответствует n–1 концов дуг. С учетом особого случая (s=1) выражение для M и приобретает вид M=(s+1)! (n–1) s– Таким образом, нахождение разрешённых пар ОРВ-БС осуществляется в два этапа.

На первом этапе находятся множества эквивалентных по достижимости вершин Y(0), Y(1),…,Y(sk),…,Y(s), где sk – суммарное количество шагов по горизонтали (вправо) и вертикали (вниз), которое требуется для достижения вершины yklV(sk) из начальной вершины y00Y(0), Y(0)=1.

На втором этапе строится совокупность из s дуг, концы которых принадлежат множествам Y(sп) и Y(sk), s п = 0, s - 1, s k = 1, s, sk–sп1.

8.3. Анализ свойств цепочки операций.

Целевым свойством цепочки сравнений, называемой методом диагностирования сети, является постановка диагнозов всех возможных состояний ВМ, участвующих в диагностировании. Каждая разрешённая пара ОРВ-БС подвергается анализу в составе цепочных сравнений на приращение числа диагнозов состояний ВМ. Пара РВ признается неинформативной, если она не увеличивает количество диагнозов состояний ВМ. Её база сравнения при этом маскируется, т.е. заносится в список запрещенных.

Диагноз состояний ВМ ставится на основе совокупности оцененных РВ. Всевозможные сочетания оцененных РВ удобно представлять в матрицах состояний (МС) ВМ, отражающих накрытие графа Gm значениями оценок РВ Z={t, f, m}.

Утверждение 8.14. Для моделирования различных вариантов сбоев и отказов ВМ требуется 5 исходных матриц состояний.

Число 5 соответствует количеству различных пар значений переменных в матрицах R=, R и D=, D. Оно и определяет максимальное количество возможных вариантов диагностики состояния ОВ.

С учётом отказа с разными РВ число матриц увеличивается до 6 при контроле повтором и до 7 – при контроле дублем.

Матрицы состояний M1-M5 формируются при первом сравнении, выполняющем функцию контроля вычислений. Если ОРВ и БС принадлежат одному ВМ, в исходные матрицы заносятся пары оценок РВ из R= и R, а в противном случае – из D= и D. При последующих сравнениях матрицы состояний пополняются оценками баз сравнений тех пар из матриц R= и R, D= и D, для которых первая оценка совпадает с оценкой соответствующего РВ в МС.

После каждого означивания матрицы Mq(s), q = 1,5, выполняется анализ входящих в неё оценок РВ на предмет постановки диагноза состояний ВМ. При положительном исходе диагностирования знак «?» заменяется значением диагноза (G, M или F).

Обозначим через ei вектор оценок i-го ВМ (для каждого РВ своя оценка), а через Di – диагноз состояния ВМ. Здесь iI, где I – множество задействованных в диагностировании ВМ. Компоненты ei принимают значения из Z={t, f, m}, а также неопределенное значение x, где x, если есть РВ и x=, если нет РВ. ei – число непустых оценок в векторе ei.

Если рассматриваются несколько векторов, они разделяются символом | – «или» в нотации Бэкуса-Наура.

оценок xei и xej, ij, x(ei ) x(ej), а для разных оценок – x(ei) x(ej)=.

Постановка диагнозов основывается на аксиомах 15 и утверждениях 8.18.3 и представляет собой систему продукций, выражающих условия «если-то». В зависимости от совокупности оценок РВ, используемых для постановки диагноза, она делится на три блока продукций:

1) оценки РВ в анализируемом ВМ – разные, либо одинаковые или одиночная оценка;

2) учёт РВ в другом ВМ – с учётом и без учёта;

3) местонахождение ОРВ – в основном или дополнительном ВМ.

В свою очередь, диагноз ВМ с учётом РВ в других ВМ использует, либо не использует оценки этих РВ. Первый вариант различается количеством используемых оценок в другом ВМ – одной или более.

Приведём продукции диагнозов ВМ, относящиеся к первому блоку – с разными оценками РВ в анализируемом ВМ.

1. Если ei = tmt, то Di :=’M’.

2. Если ei = tm tf и I=1, то Di:=’?’ и требуется либо РВ другого ВМ, либо запрос теста.

3. Если ei = tm tf и I1, (есть РВ в другом ВМ) и Dj:=’?’, то 4. Если ei = tff и I1, то Di :=’F’ и если Dj:=’?’, то Dj:=’G’.

5. Если ei = tff и I=1, то требуется либо РВ другого ВМ, либо 6. Если ei = mt и I1, то Di :=’M’ и если Dj:=’?’, то Dj:=’G’.

7. Если ei = mt и I=1, то требуется либо РВ другого ВМ, либо Продукция 1 не учитывает наличия РВ в другом ВМ. Остальные шесть продукций устанавливают диагноз ВМ с учетом РВ в другом ВМ. Однако они не используют оценки этих РВ. Отметим, что помимо диагнозов состояний ВМ заключения продукций содержат рекомендации (подсказки) по выбору последующей операции цепочки.

Приведённые продукции представлены в алгебраической записи. Более наглядной является их табличная запись. В таблице 8.2 приведены продукции, использованные для диагноза ВМ при заданных ограничениях.

Первые семь продукций таблицы 8.2 являются табличными аналогами продукций, рассмотренных выше. Те из них, для которых имеет место условие I=1, занимают одну строку таблицы, а остальные – две строки.

Диагностируемым состояниям ВМ соответствуют символы ‘G’, ‘F’, ‘M’ в столбце диагнозов. В двух первых столбцах таблицы приводятся рекомендуемые операции и базы сравнений для тех оценок РВ, которые не позволяют найти ни одного диагноза состояний ВМ.

Продукции 818, размещённые в таблице 8.2, описывают постановку диагноза на основе одинаковых или одной оценки РВ в анализируемом ВМ. Продукция 8 является промежуточной, так как не анализирует оценок дополнительных ВМ, а для различения оценок f и m основного РВ не имеет достаточной информации. Начиная с продукции 10, для постановки диагноза используются оценки РВ дополнительных ВМ. Факт сравнения оценок РВ различных ВМ помечаются вертикальными стрелками – одной или двумя, по количеству сравнений между ВМ. Острие стрелки адресуется к ВМ с базой сравнения. Заметим, например, что наличие двух межмодульных сравнений в посылке продукции 17 позволяет поставить диагноз модулям ВМ1 и ВМ2, в отличие от продукции 8 с теми же исходными данными.

8.4. Программная реализация системы.

8.4.1. Архитектура системы.

Система генерации методов диагностирования сети реализована в форме интеллектуального справочника. Он состоит из трех подсистем [125] – генерации, селекции и просмотра методов. Наиболее сложной из них является подсистема генерации, теоретические основы которой изложены выше. Она включает следующие блоки:

· задания режимов и ручного ввода сравнений;

· автоматической генерации сравнений;

· моделирования состояний ВМ;

· анализа сравнений;

· оценки свойств и ресурсов методов;

Архитектура подсистемы генерации методов диагностирования сети приведена на рис. 8.5. Рассмотрим ее подробнее.

8.4.2. Блок задания режимов и ручного ввода сравнений.

В соответствии с названием он, в свою очередь, состоит из двух блоков. Первый из них предназначен для выбора и настройки всех режимов, начиная с основных – генерация, селекция или просмотр методов.

Генерация методов осуществляется вручную или автоматически.

Ручная генерация осуществляется путем последовательного ввода сравнений РВ. В обоих режимах выбираются варианты синтеза метода с сетевой или тестовой диагностикой и завершение синтеза по количеству сравнений или до полной диагностики всех ВМ. Задаётся также число генерируемых методов.

При автоматической генерации методов задается пространство параметров – либо стандартное (nг=nв=4, s=6), либо его подпространство (nг4) (nв4) (s6). Варьируя эти параметры, а также выбирая типы ОРВ (основной РВ или любой) и БС (повторный или дублирующий РВ), можно существенно менять количество генерируемых методов – от десятков до единиц.

8.4.3. Блок автоматической генерации сравнений.

Он, в свою очередь, состоит из двух блоков – построения множеств sдостижимостей и цепочек сравнений. Множества s-достижимости строятся сразу после установки параметров автоматической генерации сравнений с помощью алгоритма, приведенного в разделе 8.2. Результаты работы подсистемы со стандартными значениями параметров (nг=nв=4, s=6) сведены в табл.8.1.

Генерация цепочек сравнений осуществляется на основе алгоритма порождения вариантов знания, приведенного в разделе 6.1. В нем каждому признаку цепочки cl ставится в соответствие пара ОРВ-БС:

Рис. 8.5. Архитектура подсистемы генерации методов диагностирования.

Cnr=(yij, ykl). Множество Cr r-го яруса дерева генерации вариантов состоит из двух подмножеств – Vr(sk–1) (ОРВ или начал дуг сравнений) и Fr(sk) (БС или концов дуг сравнений). Оба подмножества не являются постоянными в процессе генерации цепочек сравнений кроме подмножеств V1(s1–1) и F1(s1) первого яруса.

Подмножества Vr(sk–1) и Fr(sk) формируются на основе множеств sдостижимости. Процедура формирования начинается с включения в множество V1(s1–1) единственного элемента 00 (y00) множества Y(1) (из верхней строки таблицы 8.1). Этот элемент принимается за начальный ОРВ. 1–достижимые по отношению к нему вершины 01 и 10 ( см. первые две строки таблицы 8.1) включаются в множество F1(s1). Состав последующих множеств Vr(sk–1) и Fr(sk), r1, определяется выбором БС из множества Fr(sk).

При выборе в качестве БС первого элемента 01 формируется первая пара 00-01 и в множество следующего уровня V2(s2–1) заносится выбранный элемент 01: V2(s2–1)=(00, 01). Далее, с помощью формулы утверждения 8.12 определяются элементы множества F2(s2): ({01, 10} {02, 11, 20}) {02, 10}={02, 10}. Здесь элементы первых двух (объединяемых) множеств представляют собой 1- и 2-достижимые вершины по отношению к вершине 00 (пять первых элементов первого столбца таблицы 8.1), а элементы третьего множества – 1-достижимые вершины из выбранной вершины 01 (2 верхних элемента второго столбца таблицы 8.1). При выборе в качестве ОРВ и БС первых элементов множеств V2(s2–1) и F2(s2) формируется пара 00-02 и в множество следующего уровня V3(s3–1) заносится выбранный элемент 02. Далее процесс продолжается вышеизложенным образом до тех пор, пока не будет достигнут заданный ярус L дерева генерации вариантов или подсистемой анализа цепочка не будет признана запрещенной.

После достижения последнего яруса дерева и формирования последней пары цепочки генерируется новая цепочка сравнений, отличающаяся только последней парой от предыдущей цепочки. С этой целью в множестве FL(sL) выбирается следующий элемент в качестве БС.

Если все элементы этого множества выбраны и допускается в качестве ОРВ не только вершина 00, то выбирается следующий элемент множества VL(sL–1) и для него повторяется перебор БС из множества FL(sL). После завершения перебора множеств VL(sL–1) и FL(sL) и генерации VL(sL–1) FL(sL) цепочек с разными последними парами ОРВ-БС, осуществляется переход на предыдущий ярус, для которого повторяется вышеизложенный процесс и так – вплоть до возврата к первому ярусу дерева. После завершения перебора цепочек с начальной парой 00-10 процесс генерации цепочек завершается.

Каждая сгенерированная пара ОРВ-БС подвергается синтаксическому контролю, условия которого сформулированы в разделе 8.2. Если она удовлетворяет этим условиям, то проверяется подсистемой анализа на приращение диагнозов. Если пара признается синтаксически неправильной, либо неинформативной, БС этой пары маскируется путем присвоения значения false соответствующему ей номеру элемента из Fr(sk): B(nrБС):= false. В дальнейшем этот элемент в переборе не участвует.

Если этот элемент содержится в множестве Fr–1(sk–1), то при переходе на предыдущий ярус на него передается и маска этого элемента.

На рис. 8.6 в качестве примера приведен фрагмент дерева генерации цепочек сравнений. Слева для каждого яруса приведены соответствующие множества Vr(sr–1) и Fr(sr), из которых выбираются пары сравнений, а также в последней колонке – запрещённые в количестве БС вершины из Fr(sr). Вершинам дерева соответствуют пары ОРВ-БС (сверху-вниз).

Дерево имеет 4 яруса. Последовательности вершин от первого до четвертого яруса и представляют собой цепочки, состоящие из четырёх сравнений. В силу запрета элемента 03 на третьем ярусе первой, третьей и пятой его вершинам соответствуют неинформативные пары сравнений.

Эти вершины является тупиковыми. На четвертом ярусе к запрещённым относится и элемент 11. По этой причине информативными признаются только подчеркнутые вершины. Поскольку они являются терминальными, фрагмент дерева генерации содержит 4 приемлемых цепочки сравнений:

Рис.8.6. Дерево генерации цепочек сравнений.

8.4.4. Блок моделирования состояний ВМ.

Он заполняет матрицы состояний на каждом шаге синтеза цепочки сравнений оценками пар ОРВ-БС. Начальное занесение оценок выполняется для первой пары ОРВ-БС, выполняющей функцию контроля.

Согласно разделу 8.1 число таких пар равно пяти. Они извлекаются из матриц равенства и неравенства R= и R – при повторе и D= и D – при дублировании.

Для последующих пар в каждую матрицу заносится одна оценка, соответствующая БС. Условиями её занесения являются отсутствие диагнозов для всех строк матрицы и непустое пересечение любой первой оценки из матриц R=, R (D=, D) с оценкой в матрице, соответствующей координатам ОРВ пары. Очевидно, что пересечение никогда не будет пустым, поскольку в матрицах R=, R,D=, D первая оценка принимает все три возможных значения – t, m, f. Занесение оценок не требуется, если все состояния матрицы диагностированы.

Занесение новых оценок создаёт различные сочетания оценок РВ во всех пяти матрицах, что имитирует различные варианты состояний ВМ.

При этом могут возникнуть сочетания оценок, неудовлетворяющие аксиомам диагностирования ВМ. К ним относятся сочетания mt t и tf f.

Такие сочетания выявляются и заменяются на допустимые – mtt и tff Занесение оценок в матрицы прекращается, когда поставлены диагнозы всем имитируемым ими состояниям.

8.4.5. Блок анализа сравнений.

Этот блок выполняет функции постановки диагноза ВМ и формирования рекомендаций (подсказок) по следующему сравнению. Для постановки диагноза используется система продукций, приведённая в таблице 8.2. Продукции, описывающие транзитные переходы через ВМ, не требуются, поскольку основной ВМ в матрицах состояний является виртуальным. Это означает, то строки каждой матрицы по очереди анализируются как основные.

В принципе система продукций может быть реализована средствами стандартных экспертных систем продукционного типа. Однако с целью экономичности и увеличения быстродействия продукции упорядочиваются в деревья диагнозов.

Блок анализа состоит из четырех секций, выделенных по количеству и результатам сравнений в одном ВМ: одно не сравнение, два не сравнения, одно сравнение, 0 сравнений (один РВ в ВМ).

Диагнозы состояний ВМ, участвующих в диагностировании, помечаются символами G, M, F, D справа от соответствующей строки МС.

В том случае, когда фиксированное количество сравнений не позволяет диагностировать все состояния ВМ, соответствующие строки помечаются символом R, обозначающим необходимость тестирования ВМ с целью постановки диагноза. При сочетании оценок основного ВМ tt при s=1 и ttt при s=2 первая строка помечается символом Т, обозначающим необходимость периодического тестирования основного ВМ.

На рис. 8.7 приведены распечатки матриц состояний и диагностического дерева метода, рассмотренного выше. Его дерево и схема диагностирования изображены соответственно на рис.8.1 и 8.2.

На распечатках слева над каждой группой МС размещаются предикаты сравнения y(ij)=y(kl), а над каждой матрицей – значения предикатов ‘=‘ (РВ равны) и ‘#’ ( РВ не равны). Слева от каждой строки МС приводится относительные адреса ВМ, участвующих в диагностировании, начиная с нулевого – основного ВМ. Справа для каждой значащей строки МС указывается диагноз соответствующего состояния (G, M, F). Элементы МС представляют собой оценки РВ. Их количество обуславливается постановкой диагноза для всех строк матрицы. Поскольку диагнозы для всех строк матрицы определены, методы содержат по четыре сравнения для распознавания всех возможных состояний ВМ (в отсутствие отказа с разными РВ).

На рис 8.8 приведены распечатки матриц состояний и диагностического дерева метода, диагностирующего дополнительно отказ с разными РВ. Они включают дополнительно к предыдущим оценкам f и d для РВ и оценку D для состояний ВМ. Поскольку разные РВ рассматриваются только для основного ВМ, диагностирование всех его состояний требует еще одного сравнения, т.е. всего пять сравнений вместо четырех в предыдущем случае.

Рис. 8.7. Матрицы состояний и дерево метода диагностирования с одинаковыми РВ при отказе.

Y(00) = Y(01) ?

Y(01) = Y(10) ?

Y(00) = Y(10) ?

Y(01) = Y(02) ?

Y(00) = Y(20) ?

BM Y(00) = Y(01) ?

Y(01) = Y(10) ?

Y(00) = Y(10) ?

Y(01) = Y(02) ?

Y(00) = Y(20) ?

BM BM

ДИАГНОСТИКА ВМ0 И ВМ1 МЕТОДОМ

ОРВ Рис. 8.7. Матрицы состояний и дерево метода диагностирования с 8.4.6. Блок оценки свойств и ресурсов методов.

К оцениваемым свойствам методов относятся:

· обнаружение сбоев ВМ;

· обнаружение отказов ВМ;

· различение сбоев и отказов.

Первые два свойства определяются относительно типа первого сравнения. Повтор вычислений позволяет обнаруживать только сбои ВМ, а дублирование – и сбои и отказы. Различение сбоев и отказов достигается с помощью либо сравнений РВ, либо вызовом теста.

Потребляемые методами ресурсы оцениваются количеством:

· ВМ, используемых для диагностирования;

· вычислений РВ;

· повторов РВ на одном ВМ;

· межмодульных пересылок;

· сравнений РВ, а также потребностью в тестировании по запросу и периодическом тестировании. Вся эта информация при необходимости накапливается в файле.

Значения переменных, характеризующих перечисленные ресурсы определяются после синтеза каждого очередного метода. Их вычисления не представляет каких-либо затруднений. Количество пересылок N между ВМ с номерами i, j, k определяется исходя из следующих условий:

если i=j, то N=0;

если ij, то N=2;

Все данные о методах сводятся в единую таблицу.

8.4.7. Подсистема селекции.

Сгенерированные методы могут подвергаться селекции относительно способности их к обнаружению сбоев и отказов и использованию для их диагностики тестов, а также относительно ограничений на перечисленные выше ресурсы. При этом селекция осуществляется относительно четырех из семи возможных признаков. Задание режима селекции методов выполняется в два этапа – вначале задается совокупность селектирующих признаков, а затем вводятся ограничения на признаки, характеризующие ресурсы.

Подсистема выдает номера методов, отвечающих предъявленным требованиям. При необходимости отобранные методы фиксируются в файл селектированных методов.

8.4.8. Подсистема просмотра методов.

Она реализует просмотр как сгенерированных, так и селектированных методов из соответствующих файлов. Меню просмотра включает матрицы состояний и диагностическое дерево метода, таблицы обнаружения сбоев и отказов, способов диагностики и потребляемых ресурсов, причем таблицы выводятся для групп методов (по 12).

8.4.9. Характеристики интеллектуального справочника «Методы диагностирования вычислительной сети»

Интеллектуальному справочнику «Методы диагностирования вычислительной сети» присущи следующие свойства:

Построение сетевых и смешанных (с тестовыми) методов диагностирования вычислительных сетей.

Диагностирование одиночных сбоев, постоянных и перемежающихся отказов ВМ (аппаратуры и системного обеспечения).

Полнота семейства методов диагностирования вычислительных сетей.

Возможность выбора любого метода диагностирования сети в пространстве «количество ВМ – количество вычислений»: 33 (до 6-ти сравнений) и смешанного (с тестовым) в пространстве 332, где 2 – количество тестируемых ВМ.

Ручной и автоматический способы порождения методов.

Настройка параметров генерации методов.

Возможность пошагового построения метода с индикацией промежуточных ступней;

Переход от тестовой диагностики к сетевой;

Подсказки и выдача диагностической информации;

Обучение способам построения методов.

Автоматический режим:

Выбор оцениваемого РВ и способов контроля (повторном и дублированием вычислений);

Быстрота построения методов.

Селекция методов по одному – четырём из семи характеризующих их признаков, приведённых в меню.

Фиксация сгенерированных и селектированных методов соответствующие файлы.

диагностирования) и сводных таблиц, характеризующих их свойства.

Вывод на принтер нужной информации с экрана.

8.4.10. Область применения.

Проектирование подсистемы контроля и диагностики операционной системы ЭВМ сетевой архитектуры;

Планирование отказоустойчивых вычислений для ЭВМ с сетевой архитектурой и вычислительных сетей;

Исследование оптимальных методов диагностирования;

Применение при поиске отказов в вычислительных сетях;

Обучение специалистов;

Справочное пособие.

Тип ЭВМ. Персональный компьютер типа IBM PC (XT-AT).

Объём программы. 230 кбайт.

Язык программирования. TurboPascal, версия 5.0.

ЗАКЛЮЧЕНИЕ

Принятый подход к решению поставленных в монографии задач можно охарактеризовать следующими ключевыми словами: многообразие, генерация и выбор. Примечательно, что они согласуются с ключевыми словами эволюции Природы по Н. Моисееву: изменчивость, наследственность и отбор.

Многообразие характеризует сложность системы, внутренней или внешней. Примером сложной внутренней системы является машина с динамической архитектурой (МДА), характеризуемая совокупностями реализуемых уровней аппаратного и программного обеспечения.

Многообразие вычислительной системы влечет многообразие применяемых для её диагностирования моделей и методов, которые играют ведущую роль в обеспечении отказоустойчивости ВС.

Второй принцип – генерация – характеризует возможность порождения любого варианта диагностического знания (понятия, модели, метода) на основе их элементов, принятых за начальные, и правил вывода.

Третий принцип – выбор – определяет целесообразность практического применения того или иного варианта диагностического знания и реализуется с применением, в общем случае, многокритериальной оптимизации. Вес критериев оценки вариантов знания меняется вместе с развитием предметной области и изменением потребностей практики.

Строгое применение изложенных принципов обеспечивает их формализация, за основу которой приняты теоретические основы порождения понятий, представляющие собой интерпретацию булевой решётки. Теоретико-множественное представление элемента знания через совокупность отражаемых им существенных признаков позволяет выразить любой элемент знания через некоторое понятие, характеризуемое своим содержанием (интенсионалом) и объёмом (экстенсионалом). Эта модель и была использована для систематизации знания предметной области.

Сопоставляя название монографии и её содержание, читатель отметит предпочтение, отданное в ней рассмотрению системного и языкового аспектов предметной области. Это сделано не случайно. Во время участия в многочисленных научных мероприятиях у автора зачастую создавалось впечатление, что докладчики говорят почти об одном и том же, используя различные выразительные средства. Невольно зарождалась мысль о степени оригинальности излагаемого знания, его связи с известным знанием. Потребность в решении этой проблемы стимулировалась необходимостью разработки комплекса нормативно-технической документации, в котором нуждалась промышленность. Позднее возникла задача разработки эффективной информационной технологии для представления и выбора вариантов знаний при проектировании и использовании диагностического обеспечения ВС.

Вместе с тем в докладах и в литературе весьма тщательно и квалифицированно рассматривались конструктивные диагностические модели и методы диагностирования вычислительных систем. Поэтому автор ограничился кратким изложением своих оригинальных результатов в этой области, отослав читателя к многочисленным публикациям, не пытаясь дублировать их.

Насколько в монографии достигнута главная цель – доказательство полезности и эффективности применения формального подхода к систематизации предметной области – судить читателю. Но необходимо отметить следующее. Изложенное не следует воспринимать как завершённое исследование. За рамками монографии остались такие интересные и частично исследованные вопросы как применение полученных результатов к обеспечению отказоустойчивости вычислительных систем. Это, в частности, касается применения методов диагностирования сетей к проектированию подсистемы контроля ЭВМ с сетевой архитектурой и планированию отказоустойчивых вычислений на ней в зависимости от требований, предъявляемых к надежности получаемых результатов вычислений.

Не следует также воспринимать результаты систематизации как окончательные и неизменные. Развитие предметной области стимулирует появление новых противоречий, разрешение которых влечёт модификацию системы знания. Важно только, чтобы при этом сохранялись неизменными основные его фрагменты.

В практическом плане, как надеется автор, монография будет способствовать решению проблемы создания информационного обеспечения автоматизированных рабочих мест САПР ВС.

ЛИТЕРАТУРА

1. Верзаков Г.Ф., Киншт Н.В., Рабинович В.И., Тимонен Л.С.

Введение в техническую диагностику. Под ред. К.Б. Карандеева. –М.:

Энергия, 1968. –224 с.

2. Клямко Э.И. Схемный и тестовый контроль автоматических цифровых вычислительных машин. –М.: Сов. радио. 1963. –192 с.

3. Волков А.Ф., Ведешенков В.А., Зенкин В.Д. Автоматический поиск неисправностей в ЦВМ. –М.: Сов. радио, 1968., –148 с.

4. Чжен Г., Мэннинг М., Метц Г. Диагностика отказов цифровых вычислительных систем. –М.: Мир, 1972. –232 с.

5. Основы технической диагностики. В 2-х кн.// Карибский В.В., Пархоменко П.П., Согомонян Е.С, Халчев В.Ф. Под ред. П.П. Пархоменко –М.: Энергия, 1976. кн.1. –464 с.

6. Гуляев В.А. Организация систем диагностирования вычислительных машин. –Киев: Наукова думка, 1979. –115 с.

7. Убар Р. Тестовая диагностика цифровых устройств, I. –Таллин:

Таллинский политехнический ин-т, 1980. –112 с.

8. Микони С.В. Систематизация методов обеспечения надёжных вычислений // Препринт № 66. Ленинградский ин-т информатики и автоматизации АН СССР, –1988. –41 с.

9. Каляев А.В. Многопроцессорные системы с программируемой архитектурой. –М.: Радио и связь, 1984. –240 с.

10. Avizienis A. Architecture of fault-tolerant computing systems //Fault tolerant computing symposium (FTCS) 5. Paris, 1975. –P. 3-15.

11. Авиженис А. Отказоустойчивость – свойство, обеспечивающее постоянную работоспособность цифровых систем // ТИИЭР, -1978, №10. –С. 5-25.

12. Согомонян Е.С., Шагаев И.В. Аппаратурное и программное обеспечение отказоустойчивости вычислительных систем // А и Т. –1988. №2 – С. 3-39.

13. Отказоустойчивые ЭВМ за рубежом // Обзорная информация. ТССредства вычислительной техники и оргтехники. –М.: Информприбор, – –Вып. 6. –33 с.

14. Гусейнова А.А., Никитин А.И. Вычислительные системы повышенной отказоустойчивости // УС и М, –1987. №5. –С. 25-30.

15. Гуляев В.А., Додонов Л.Г., Пелехов С.П. Организация живучих вычислительных структур. –Киев: Наумова думка, 1982. –137 с.

Мультипроцессоры с динамической архитектурой // Электронновычислительная техника. –М.: Радио и связь, 1968. –С.173-182.

17. Торгашёв В.А. РЯД – развивающийся язык динамического типа для распределённых вычислений // Информационно-вычислительные проблемы автоматизации научных исследований. –М.: Наука, 1983. –С.

215-233.

18. Городецкий Б.Ю. Лингвистика и искусственный интеллект // Всесоюзная конференция по искусственному интеллекту. Тезисы докладов, т.1, Переславль-Залесский, –М.: ВИНИТИ. 1988. –С.13-17.

терминологии. –М.: Изд. АН СССР. 1961. –155 с.

20. Никифоров А.Л. Научный факт и научная теория // В кн.

Творческая природа научного познания. –М.: Наука, 1984, –С.150-172.

21. Целищев В.В., Карпович В.Н., Поляков И.В. Логика и язык научной теории. –Новосибирск: Наука, Сиб. отд. 1982. –189 с.

22. Микони С.В. Построение функциональных тестов для больших схем // Электронная техника. Сер. Управление качеством и стандартизация, –1973. –Вып. 6(16). –С.32-38.

23. Marinos P.N. Derivation of minimal of complete sets of teat-input using Boolean differences // IEEE Trans, on Conp. 1971, v. C-20. No 1.

24. Бессонов А.А., Стешкович H.T., Турчина Е.Д. Автоматизация построения контролирующих тестов. Под. ред. А.А. Бессонова, –Л.:

Энергия. 1976. –224 с.

25. Armstrong D.B. A finding a nearly minimal set of fault detection teats for combinational logic nets // IEEE Trans, on El. Ccmp. 1966. v. EC-15. No 1. –P.3-29.

26. Гольдман P.С., Чипулис В.П. Техническая диагностика цифровых автоматов. –М.: Сов. радио. 1975. –256 с.

27. Поспелов Д.А. Логические методы анализа и синтеза логических схем. –М.: Энергия. 1968. –327 с.

28. Коган И.В. Построение тестов для контактных схем // Материалы научных семинаров по теоретическим и прикладным вопросам кибернетики. –Киев: РДНТП. 1963.

29. Данилов В.В., Карповский М.Г., Москалев Э.С. Тесты для ненаправленных графов // А и Т. –1970. №4. –С.160-168.

30. Убар Р. Тестовая диагностика цифровых устройств. II. Таллин:

Таллинский политехнический, ин-т. 1961. –110 с.

31. Roth J.P. Diagnosis of automata failures: a calculus and a method // IBM Journal of research and development. –1966. 10.

32. Микони С.В. Метод построения тестов комбинационных автоматов // Автоматика к вычислительная техника. –1969. № 6, –С.24-29.

33. Микони С.В., Дубровский А.В. О контроле коротких замыканий в комбинационных автоматах // Применение ЭВМ при решении железнодорожных задач. Труды ЛИИЖТ. 1972. –Вып. 335. –С.112-119.

34. Микони СВ., Дубровский А.Н. Замыкания в электронных схемах // Электронная техника. Сер. Управление качеством и стандартизация, 1976. –Вып. 4(46). –С.15-23.

35. Burgess N., Damper R.I., Totton К.A.. Shaw S.J. Physical faults in MOS circuits and their coverage by different fault models // IEEE Proc. 1988.

EC-135. No 1. –P.1-9.

36. Вейцман И.Н. Диегностирование КМОП БИС // Теория, методы и средства диагностирования дискретных устройств и систем на современной элементной базе. Межвуз. н.-т. сб. ЛMИ. –1988. –С.10-12.

37. Bouicious W.G., Hsien E.P., Hoth J.P., ets. Algorithms for detection of faults in logic circuits // IEEE Trans, on Comp. 1971. No. 11.

38. Твердохлебов В.А. Логические эксперименты с автоматами. – Саратов: Изд-во СГУ, 1988. –183 с.

39. Тоценко В.Г. Распознавание автоматов Мура с конечной памятью и определение её глубины // В сб. Проектирование и диагностика дискретных устройств на интегральных схемах, –Киев: КВИРТУ, 1973.

40. Шаршунов С.Г. Построение тестов микропроцессоров // А и Т.

1985. № 11. –С.145-155.

41. Вийлуп А.А., Микони С.В. Построение тестов микропрограммноуправляемых устройств на основе обобщенной операторной модели // Межвуз. н.-т. сб. «Теория, методы и средства диагностирования дискретных устройств и систем на современной элементной базе. –Л.:

ЛМИ, 1998. С.15-17.

42. Thatte S.M., Abraham J.A. Test generation fоr microprocessors // IEEE Trans, on Соmр. –1980. V. C-29. No 6. –P. 429-441.

43. Никонов E.B., Подгурский Ю.Е. Применение сетей Петри // Зарубежная радиоэлектроника. 1966. № 11. –С.17-37.

44. Данилов В.В. Конструктивное направление в тестовом диагностировании цифровых схем // Электронная техника. Сер. Управление качеством, стандартизация, метрология, испытания. 1983. – Вьш. 3(102), – С.10-16.

45. Данилов В.В., Клюев И.Н., Петрова М.И., Тяжев В.Т. Модели и методы тестового диагностирования микропроцессорных БИС // Обзоры по электронной технике, сер. Управление качеством, стандартизация, метрология, испытания. – 1984. – Вып. 2(1020). –38 с.

46. Колмогоров А.Н., Драгалин А.Г. Введение в математическую логику, –М.: Изд-во МГУ, 1982. –120 с.

47. Трахтенброт Б.А., Бардзинь Я.М. Конечные автоматы (поведение и синтез). –М.: Наука. 1970. –400 с.

48. Глушков В.М. Синтез цифровых автоматов. –М.: Изд-во физ.-мат.

лит-ры. 1962. 476 с.

49. Колесов Н.В. Поиск дефектов в распределённых вычислительных системах на сетевом уровне // Межвуз. н.-т. сб. «Методы и системы технической диагностики». –Саратов: Изд-во СГУ. 1990. – Вып. 14. Ч.2. – С.73-74.

50. Карибский В.В., Пархоменко П.П., Согомонян E.С. Техническая диагностика объектов контроля. –М.: Энергия, 1967. –78 с.

51. Чегис И.А., Яблонский С.В. Логические способы контроля работы электрических схем // Труды Математ. ин-та им. В.А. Стеклова, т.51. Издво АН СССР. –1958.

52. Kautz W.Н. Fault testing and diagnosis In combinational digital circuits // IEEE Trans. on El.. Соmр. –1968. V. EC-16, No 4. –P. 352-366.

53. Данилов B.B., Тяжев В.Т. Тест поиска дефектов в комбинационной схеме // А и Т, 1981. № 8. –С. 152-158.

54. Дубровский А.В., Микони С.В. Сопоставительный анализ методов поиска дефектов в комбинационных схемах // Сб-к н. трудов «Проблемы обработки информации и интегральной автоматизации производства». –Л.: Наука, 1990. –С. 162-174.

55. Микони С.В., Поздняков Л.Н. Построение тестов и словарей для комбинационных схем методом поэлементной активизации путей, с коррекцией списков неисправностей // Электронная техника. Сер.

Управление качеством и стандартизация. –1976. –Вып. 4(46). –C. 15-23.

56. Микони С.В. Метод построения тестов для автоматов с памятью // Тезисы доклада 2-го Всес. совещания по теории релейных устройств и конечных автоматов. –Рига. 1971. –С.118-119.

57. Chrntal R., Gabrlel Т. Microprocessor functional testing // Ргос. IEEE Test Conference. Philadelfia. 1980. –P. 433-443.

53. Стёпин B.C. Идеалы в нормы в динамике научного поиска. Сб.

трудов. –Минск: Изд. БГУ. 1981. –С.10-64.

59. Мальцев А.И. Алгебраические системы. –М.: Наука. 1970. –348 с.

60. Воеводин В.В. Математические модели и методы в параллельных процессах. –М.: Наука. 1986. –294 с.

61. Гордеев Э.Н. Задачи выбора и их решение // Сб. «Компьютер и задачи выбора. –М.: Наука. 1989. –С.5-48.

62. Статья «Понятие». Большая Советская Энциклопедия. –М.:

Советская Энциклопедия. 3-е изд. т. 25. 1976. –С. 473-474.

63. Поспелов Д.А. Логико-лингвистические модели в системах управления. –М.: Энергоиздат. 1981, –232 с.

64. Курош А.Г. Лекции по общей алгебре. –М.: Изд. физ.-мат. литры. 1962. –396 с.

65. Фути К. Судзуки К. Языки программирования и схемотехника СБИС. –М.: Мир. 1988. –220 с.

66. Кириллов В.И., Старченко А.Л. Логика. –М.: Высшая школа.

1982. –262 с.

67. Шрейдер Ю.А., Шаров А.А. Системы и модели. –М.: Радио и связь.

1982. –152 с.

68. Колмогоров А.В., Драгалин А.Г. Введение в математическую логику. –М.: Изд-во МГУ. 1982. –118 с.

69. Вейль Г. Математическое мышление. –М.: Наука. 1989. –400 с.

70. Смальян Р. Теория формальных систем. –М.: Наука. 1981. –204 с.

71. Мостепаненко Н.В. Философия и методы научного познания. –Л.:

Лениздат. 1972. –272 с.

72. Котов Р.Г., Новиков А.И., Скокан Ю.П. Прикладная лингвистика и информационная технология. –М.: Наука.1937. –161 с.

73. Кузнецова Э.B. Лексикология русского языка. –М.: Высшая школа. 1982. –151 с.

74. Мартынов В.Б. Категории языка. –М.: Наука. 1982. –192 с.

75. Грамматика современного русского литературного языка. –М.:

Наука. 1970. –767 с.

76. Методика стандартизации сокращений русских слов и словосочетаний. –М.: Госкомитет стандартов СМ СССР. 1977.

77. Микони С.В., Чахирева А.Л. Формализованный язык для определения понятий // Научно-техническая информация. Сер.2. 1987. № 1. –С.

23-27.

78. Микони С.В. Основные принципы формализации систем понятий // Деп. рукопись. ЦНИИ Электроника. 1985. Р-3916. –26 стр.

79. Микони С.В. Метод построения системы понятий предметной области // Тезисы докл. Всес. конференции по искусственному интеллекту. Том 1. –Переславль-Залесский. 1988. –С. 546-551.

80. Микони С.В. Генерация понятий предметной области // Сб. н.т.

«Проблемы обработки знаний», –Л.: Наука. 1989. –С. 32-43.

81. Симаков Л.Л. Понятие «состояние» как философская категория. – Новосибирск: Наука, Сиб. отд.,1982, –124 с.

82. Микони СВ. Логико-семантический анализ понятия «техническое состояние» // Реферативный сб. «Научно-техническая терминология». – М.: Госкомитет стандартов СССР. 1984. –Вып. 2. –С.7-12.

83. Микони С.В. Установление отношения между понятиями «техническое диагностирование» и «контроль технического состояния», сформулированных в государственных терминологических стандартах // Электронная техника. Сер. Управление качеством, стандартизация, метрология, испытания. 1984. –Вып. 4. –С. 39-42.

84. Микони С.В. Систематизация понятий смежных дисциплин на основе логико-лингвистического подхода // Реферативный сб. «Научнотехническая терминология». –М.: Госкомитет стандартов СССР. 1986. – – Вып.1. –С. 6-11.

85. Микони С.В. Проблемы стандартизации в области диагностирования функционально-сложных изделий микроэлектроники // Электронная техника. Сер. Управление качеством, стандартизация, метрология, испытания. 1983. –Вып. 3. –С. 4-9.

86. Микони С.В. Нормативное обеспечение диагностирования и отладки микропроцессорных систем // Тезисы семинара «Средства диагностирования и отладки микропроцессорных систем». –Л.: ЛДНТП, 1984. –С. 12-15.

87. Микони С.В. Проблемы повышения познавательной функции терминологических стандартов // Научно-техническая информация. Сер.1.

1984. № 7.

88. Пятницын Б.Н. 0б активности модельного познания // Сб.

«Творческая природа научного познания». –М.: Наука. 1984. –С.121-150.

89. Саркисян С.Д., Ахундов В.М., Минаев Э.О. Анализ и прогноз развития больших технических систем. –М.: Наука. 1983. –273 г..

90. Дружинин В.В., Конторов Д.С. Проблемы системологии. –М.: Сов.

радио. 1976. –295 с.

91. Колесников Л.А. Основы теория системного подхода. –Киев:

Наукова думка. 1988. –171.

92. Микони С.В. Сетевые методы отказоустойчивых вычисления на ЭВМ с динамической архитектурой // Препринт №120. Ленингр. институт информатики и автоматизации АН СССР. 1963. –48 с.

93. Микони С.В. Систематизация моделей, применяемых для построения тестов микропроцессорных БИС // Электронная техника. Сер.

Микроэлектроника. 1966. –Вып. 3(119). –С. 62-70.

94. Микони С.В. Обоснование состава исходных данных для многомодельной системы моделирования микропрограммно-управляемых устройств // Электронная техника. Сер. Микроэлектроника. 1988. –Вып.

3(127). –С. 51-55.

95. Микони С.В. О классификации моделей дискретных объектов диагностирования // Электронная техника. Сер. Управление качеством и стандартизация. 1976. –Вып. 9(51). –С. 39- 96. Микони С.В. О базовых критериях классификации моделей дискретных объектов диагностирования// Тезисы докл. 2-й Всес. конференции «Проблемы надёжности при проектировании систем управления». –Киев:

РДНТП. 1976. –Вып. 3. –С. 38-40.

97. Микони С.В., Дубровский А.В. О построении и применении руководящего материала «Классификация моделей цифровых электронных схем и методов построения тестов» // Электронная техника. Сер.

Управление качеством и стандартизация. 1978. –Вып. 6(30). –С. 70-74.

98. Микони С.В. Процедурное представление методов решения задач в базах знаний // Тезисы семинара 5-го Ленинградского симпозиума до теории адаптивных систем. Ч.2_ Л.: ЛДНТП. 1991. –С.97-99.

99. Юдин Б.В., Микони С.В. Вопросы стандартизации в области функционального контроля БИС // Электронная техника. Сер. Управление качеством и и стандартизация. 1975. Bып. 5(35). –С. 48-57.

100. Дадаев Ю.Г. Арифметические коды, исправлявшие ошибки. –М.:

Сов. радио. 1969. –167.

101. Блинов И.Н., Гаскаров Д.В., Мозгалевский А.В. Автоматический контроль систем управления. –Л.: Энергия. 1968. –151 с.

102. Сидоров В.Н.. Юсупов P.M. Алгоритмическая надёжность цифровых систем управления. –Л.: ЛВИКА им. Можайского. 1969. –97 с.

103. Микони С.В., Дубровский А.В. О полноте тестов, синтезируемых методом поэлементной активизации путей // Тезисы докладов 3-го Всес.

совещания по технической диагностике. –Минск. 1975. –С. 27-28.

104. Микони С.В., Позднякэв Л.Н. Вопросы программирования алгоритма поэлементной активизации путей // Тезисы докл. III Всес.

школы-семинара по технической диагностике. –М. 1975. –С. 28-32.

105. Микони С.В. О построении словаря неисправностей комбинационной логической схемы по её тесту // Сб. трудов ЛИИЖТ «Ж.д-ная автоматика, телемеханика и связь на бесконтактных элементах». 1969.

–Вып. 303. –С.151-162.



Pages:     | 1 |   ...   | 2 | 3 || 5 |
 


Похожие работы:

«Л. П. ДРОЗДОВСКАЯ Ю. В. РОЖКОВ МЕХАНИЗМ ИНФОРМАЦИОННО-ФИНАНСОВОЙ ИНТЕРМЕДИАЦИИ Хабаровск 2013 УДК 336.717:330.47 ББК 65.262.1 Д75 Дроздовская Л.П., Рожков Ю.В. Д75 Банковская сфера: механизм информационно-финансовой интермедиации: монография / под научной ред. проф. Ю.В. Рожкова. — Хабаровск : РИЦ ХГАЭП, 2013. — 320 с. Рецензенты: д-р экон. наук, профессор Богомолов С. М. (Саратов, СГСЭУ); д-р экон. наук, профессор Останин В.А. (Владивосток, ДВГУ) ISBN 978-5-7823-0588- В монографии...»

«ГБОУ ДПО Иркутская государственная медицинская академия последипломного образования Министерства здравоохранения РФ Ф.И.Белялов АРИТМИИ СЕРДЦА Монография Издание шестое, переработанное и дополненное Иркутск, 2014 04.07.2014 УДК 616.12–008.1 ББК 57.33 Б43 Рецензент доктор медицинских наук, зав. кафедрой терапии и кардиологии ГБОУ ДПО ИГМАПО С.Г. Куклин Белялов Ф.И. Аритмии сердца: монография; изд. 6, перераб. и доп. — Б43 Иркутск: РИО ИГМАПО, 2014. 352 с. ISBN 978–5–89786–090–6 В монографии...»

«Экономика налоговых реформ Монография Под редакцией д-ра экон. наук, проф. И.А. Майбурова д-ра экон. наук, проф. Ю.Б. Иванова д-ра экон. наук, проф. Л.Л. Тарангул ирпень • киев • алерта • 2013 УДК 336.221.021.8 ББК 65.261.4-1 Э40 Рекомендовано к печати Учеными советами: Национального университета Государственной налоговой службы Украины, протокол № 9 от 23.03.2013 г. Научно-исследовательского института финансового права, протокол № 1 от 23.01.2013 г. Научно-исследовательского центра...»

«В.А. Слаев, А.Г. Чуновкина АТТЕСТАЦИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ, ИСПОЛЬЗУЕМОГО В МЕТРОЛОГИИ: СПРАВОЧНАЯ КНИГА Под редакцией доктора технических наук, Заслуженного метролога РФ, профессора В.А. Слаева Санкт-Петербург Профессионал 2009 1 УДК 389 ББК 30.10 С47 Слаев В.А., Чуновкина А.Г. С47 Аттестация программного обеспечения, используемого в метрологии: Справочная книга / Под ред. В.А. Слаева. — СПб.: Профессионал, 2009. — 320 с.: ил. ISBN 978-5-91259-033-7 Монография состоит из трех разделов и...»

«А. Г. Сафронов Психология религии Киев Ника-Центр 2002 УДК 159.9+2 Б Б К 86.2 С12 Настоящая монография посвящена целостному рассмотре­ нию религии как психологического феномена. В частности, ос­ вещены следующие вопросы: психологические истоки религии, роль измененных состояний сознания в системе религиозного опыта, эзотерические психопрактики в религиозных традициях мира, а также проблема манипулятивного воздействия на психи­ ку со стороны так называемых неорелигиозных организаций. Особый...»

«Министерство образования Республики Беларусь УЧРЕЖДЕНИЕ ОБРАЗОВАНИЯ ГРОДНЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМЕНИ ЯНКИ КУПАЛЫ В.Е. Егорычев ПРОДОВОЛЬСТВЕННАЯ ПОЛИТИКА СОВЕТСКОЙ ВЛАСТИ В БЕЛАРУСИ (1917 – 1920 гг.) Монография Гродно 2007 УДК 9(476) ББК 66.3(4Беи) Е30 Рецензенты: доктор исторических наук, профессор ГГАУ В.П.Верхось; кандидат исторических наук, доцент кафедры всеобщей истории ГрГУ им. Я. Купалы В.А.Хилюта. Рекомендовано советом факультета истории и социологии ГрГУ им. Я.Купалы...»

«Министерство образования и науки Российской Федерации ГОУ ВПО Тамбовский государственный технический университет Ю.Л. МУРОМЦЕВ, Д.Ю. МУРОМЦЕВ, В.А. ПОГОНИН, В.Н. ШАМКИН КОНЦЕПТУАЛЬНОЕ МОДЕЛИРОВАНИЕ В ЗАДАЧАХ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ, КОНКУРЕНТОСПОСОБНОСТИ И УСТОЙЧИВОГО РАЗВИТИЯ Рекомендовано Научно-техническим советом ТГТУ в качестве монографии Тамбов Издательство ТГТУ 2008 УДК 33.004 ББК У39 К652 Рецензенты: Доктор экономических наук, профессор, заведующий кафедрой Мировая и национальная...»

«Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Сибирская государственная автомобильно-дорожной академия (СибАДИ) МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ РАБОЧИХ ПРОЦЕССОВ ДОРОЖНЫХ И СТРОИТЕЛЬНЫХ МАШИН: ИМИТАЦИОННЫЕ И АДАПТИВНЫЕ МОДЕЛИ Монография СибАДИ 2012 3 УДК 625.76.08 : 621.878 : 519.711 ББК 39.92 : 39.311 З 13 Авторы: Завьялов А.М., Завьялов М.А., Кузнецова В.Н., Мещеряков В.А. Рецензенты:...»

«АКАДЕМИЯ НАУК СССР В. Н. ШИМАНСКИЙ КАМЕННОУГОЛЬНЫЕ O R TH O C ER A TID A, ONCOCERATID A, ACTINOCERATIDA И BACTRITIDA И З Д А Т Е Л Ь С Т В О НАУКА АКАДЕМИЯ НАУК СССР ТРУДЫ ПАЛЕОНТОЛОГИЧЕСКОГО И Н С Т II Т У Т А Т о м 117 В. Н. ШИМАНСКИИ КАМЕННОУГОЛЬНЫЕ ORTHOCERATIDA, ONCOCERATIDA, ACTINOCERATIDA И RACTRITIDA ИЗДАТЕЛЬСТВО НАУКА Москва УДК 564.5(113.5) Ш и м а н с к...»

«ЦЕННЫЕ ЭЛЕМЕНТЫ-ПРИМЕСИ В УГЛЯХ VALUABLE TRACE ELEMENTS IN COAL RUSSIAN ACADEMY OF SCIENCES · URAL· DIVISION KOMI SCIENTIFIC CENTRE · INSTITUTE OF GEOLOGY Ya.E. Yudovich, M.P. Ketris VALUABLE TRACE ELEMENTS INCOAL EKATERINBURG, 2006 РОССИЙСКАЯ АКАДЕМИЯ НАУК · УРАЛЬСКОЕ ОТДЕЛЕНИЕ КОМИ НАУЧНЫЙ ЦЕНТР · ИНСТИТУТ ГЕОЛОГИИ Я.Э. Юдович, М.П. Кетрис ЦЕННЫЕ ЭЛЕМЕНТЫ-ПРИМЕСИ В УГЛЯХ ЕКАТЕРИНБУРГ, /7 ' к УДК 550.4 + 553.9 + 552. Юдович Я.Э., Кетрис М.П. Ценные элементы-примеси в...»

«ГОУ ВПО Тамбовский государственный технический университет О.А. Артемьева, М.Н. Макеева СИСТЕМА УЧЕБНО-РОЛЕВЫХ ИГР ПРОФЕССИОНАЛЬНОЙ НАПРАВЛЕННОСТИ Монография Тамбов Издательство ТГТУ 2007 Научное издание А862 Р е ц е н з е н т ы: Директор лингвистического центра Российского государственного педагогического университета им. А.И. Герцена доктор педагогических наук, профессор Н.В. Баграмова Доктор культурологии, профессор Тамбовского государственного университета им. Г.Р. Державина Т.Г....»

«Министерство природных ресурсов Российской Федерации Федеральное агентство лесного хозяйства ФГУ НИИ горного лесоводства и экологии леса (ФГУ НИИгорлесэкол) Н.А. БИТЮКОВ ЭКОЛОГИЯ ГОРНЫХ ЛЕСОВ ПРИЧЕРНОМОРЬЯ Сочи - 2007 УДК630(07):630*58 ББК-20.1 Экология горных лесов Причерноморья: Монография / Н.А.Битюков. Сочи: СИМБиП, ФГУ НИИгорлесэкол. 2007. -292 с., с ил. Автор: Битюков Николай Александрович, доктор биологических наук, заслуженный деятель науки Кубани, профессор кафедры рекреационных...»

«Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования Рязанский государственный университет имени С.А. Есенина А.В. Пронькина НАЦИОНАЛЬНЫЕ МОДЕЛИ МАССОВОЙ КУЛЬТУРЫ США И РОССИИ: КУЛЬТУРОЛОГИЧЕСКИЙ АНАЛИЗ Монография Рязань 2009 ББК 71.4(3/8) П81 Печатается по решению редакционно-издательского совета государственного образовательного учреждения высшего профессионального образования Рязанский государственный университет имени С.А....»

«Федеральное агентство по образованию Тверской государственный технический университет 85-летию Тверского государственного технического университета посвящается Н.И. Гамаюнов, С.Н. Гамаюнов, В.А. Миронов ОСМОТИЧЕСКИЙ МАССОПЕРЕНОС Монография Тверь 2007 УДК 66.015.23(04) ББК 24.5 Гамаюнов, Н.И. Осмотический массоперенос: монография / Н.И. Гамаюнов, С.Н. Гамаюнов, В.А. Миронов. Тверь: ТГТУ, 2007. 228 с. Рассмотрен осмотический массоперенос в модельных средах (капиллярах, пористых телах) и реальных...»

«Н.А. Березина РАСШИРЕНИЕ АССОРТИМЕНТА И ПОВЫШЕНИЕ КАЧЕСТВА РЖАНО-ПШЕНИЧНЫХ ХЛЕБОБУЛОЧНЫХ ИЗДЕЛИЙ С САХАРОСОДЕРЖАЩИМИ ДОБАВКАМИ МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ - УЧЕБНО-НАУЧНО-ПРОИЗВОДСТВЕННЫЙ КОМПЛЕКС Н.А. Березина РАСШИРЕНИЕ АССОРТИМЕНТА И ПОВЫШЕНИЕ КАЧЕСТВА РЖАНО-ПШЕНИЧНЫХ ХЛЕБОБУЛОЧНЫХ ИЗДЕЛИЙ С САХАРОСОДЕРЖАЩИМИ ДОБАВКАМИ...»

«И. В. Челноков, Б. И. Герасимов, В. В. Быковский РЕГИОНАЛЬНАЯ ЭКОНОМИКА: ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКИЙ МЕХАНИЗМ УПРАВЛЕНИЯ РЕСУРСАМИ РАЗВИТИЯ РЕГИОНА • ИЗДАТЕЛЬСТВО ТГТУ • МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ ТАМБОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ИНСТИТУТ ЭКОНОМИКА И ПРАВО И. В. Челноков, Б. И. Герасимов, В. В. Быковский РЕГИОНАЛЬНАЯ ЭКОНОМИКА: ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКИЙ МЕХАНИЗМ УПРАВЛЕНИЯ РЕСУРСАМИ РАЗВИТИЯ РЕГИОНА

«RUSSIAN ACADEMY OF SCIENCES INSTITUTE FOR THE HISTORY OF MATERIAL CULTURE PROCEEDINGS. VOL. XVII M. V. Malevskaya-Malevich SOUTHWEST RUSSIAN TOWNS CERAMIK of 10th — 13thcenturies St.-Petersburg Institute of History RAS Nestor-lstoriya Publishers St.-Petersburg 2005 РОССИЙСКАЯ АКАДЕМИЯ НАУК ИНСТИТУТ ИСТОРИИ МАТЕРИАЛЬНОЙ КУЛЬТУРЫ ТРУДЫ. Т. XVII М. В. Малевская-Малевич КЕРАМИКА ЗАПАДНОРУССКИХ ГОРОДОВ Х-ХІІІ вв. Издательство СПбИИ РАН Нестор-История Санкт-Петербург УДК 930.26:738(Р47)09/12 ББК...»

«С Е Р И Я И С С Л Е Д О ВА Н И Я К УЛ ЬТ У Р Ы ДРУГАЯ НАУКА Русские формалисты в поисках биографии Я Н Л Е В Ч Е Н КО Издательский дом Высшей школы экономики МО СКВА, 2012 УДК 82.02 ББК 83 Л38 Составитель серии ВАЛЕРИЙ АНАШВИЛИ Дизайн серии ВАЛЕРИЙ КОРШУНОВ Рецензент кандидат философских наук, заведующий отделением культурологии факультета философии НИУ ВШЭ ВИТАЛИЙ КУРЕННОЙ Левченко, Я. С. Другая наука: Русские формалисты в поисках биографии [Текст] / Л Я. С. Левченко; Нац. исслед. ун-т Высшая...»

«А.А. Федотов С.А. Акулов ИЗМЕРИТЕЛЬНЫЕ ПРЕОБРАЗОВАТЕЛИ БИОМЕДИЦИНСКИХ СИГНАЛОВ СИСТЕМ КЛИНИЧЕСКОГО МОНИТОРИНГА МОСКВА Радио и связь 2013 Книга посвящается светлой памяти профессора Калакутского Льва Ивановича УДК 57.087 ББК 32.811.3 Ф 34 Рецензент: д.т.н., профессор Мелентьев В.С. Федотов А.А., Акулов С.А. Измерительные преобразователи биомедицинских сигналов систем клинического мониторинга. – М.: Радио и связь, 2013. – 248 с. – ISBN 978-5-89776-016-9. В монографии рассматривается структурное...»

«А.Н. КОЛЕСНИЧЕНКО ОСНОВЫ ОРГАНИЗАЦИИ РАБОТЫ ТРАНСПОРТА ВО ВНЕШНЕЙ ТОРГОВЛЕ Под общей редакцией доктора экономических наук В.Л. Малькевича Общество сохранения литературного наследия Москва 2011 УДК [339.5:658.7](035.3) ББК 65.428-592 К60 Колесниченко Анатолий Николаевич. Основы организации работы транспорта во внешней торговле / А.Н. Колесниченко; под общ. ред. В.Л. Малькевича. – М. : О-во сохранения лит. наследия, 2011. – 280 с.: илл. – ISBN 978-5-902484-39-4 Агентство CIP РГБ Настоящая работа...»














 
© 2013 www.diss.seluk.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Методички, учебные программы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.